10 月 8 日，扎克伯格与普莉希拉·陈创办的非营利研究机构 Biohub 联合美国能源部（DOE）、美国国立卫生研究院（NIH）及多家科技公司宣布，大幅扩展"虚拟生物学计划"（Virtual Biology Initiative）。各方在资金、数据、算力和测量技术上的总投入达到 18 亿美元，主办方称这是迄今规模最大的 AI 生物数据协同投入。
新一轮出资方中，Google DeepMind、Meta 和谷歌旗下 AI 制药公司 Isomorphic Labs 联合投入 3 亿美元。美国能源部计划在未来五年投入超过 5 亿美元，用于实验室测量、生物数据采集、建模和算力，并调用美国的超级计算机、电子显微镜和自动化实验室。
NIH 将把此前超过 5 亿美元联邦投入建成的生物医学数据集和研究基础设施接入计划，并与 Biohub 合作，把这些资源整理成适合 AI 训练的标准格式。
Biohub 在今年 4 月启动这项计划时已承诺投入 5 亿美元，其中 4 亿美元用于自研测量、成像和分子改造技术，1 亿美元用于资助外部研究。目前参与的科研机构还包括艾伦研究所、布罗德研究所、Gladstone 研究所、维康桑格研究所、人类细胞图谱和人类蛋白质图谱，英伟达、Arc 研究所等合作伙伴也在列。
这项计划要解决的核心问题是数据。大语言模型可以从互联网上现成的海量文本中学习，AI 生物学模型却依赖实验数据，而这类数据大多需要从零开始测量。
计划将大规模记录不同类型的细胞在药物、基因改变等干预下的反应，整理成开放数据集，最终训练出能预测细胞行为的"虚拟细胞"模型。科学家借助这类模型，可以先在数字环境中筛选候选方案，再把最有希望的方向送进真实实验室和临床研究。
Biohub 科学负责人 Alex Rives 表示，准确的生物学预测模型能让科学家以数字方式开展实验，从而大幅加快科学发现。
据路透社报道，参与方的目标是在五年内做出具备预测能力的虚拟细胞，首个数据集预计在约 12 个月后发布。
需要注意的是，18 亿美元并非全部为新增现金，其中包含已投入的数据、算力和技术资源。项目目前也尚未产出可用的通用虚拟细胞模型，这笔投入买的是训练和验证模型所需的数据底座。业内也有声音指出，单纯堆积数据能否带来更好的单细胞模型，目前仍未得到证实。
在 AI 公司看来，生物数据正在成为与文本、代码同等重要的训练资源。Meta 和谷歌此次出手，意味着科技巨头的 AI 军备竞赛已经延伸进生命科学领域。